如果说过去两年航旅业的 AI 关键词是“智能客服”，那今年这个词已经彻底更换为“智能体（AI Agent）”。从中国东航与通义千问联手打造的全流程机票服务，到大韩航空、KLM BlueBot、AirAsia AVA 等一系列航司 Agent；从厦门、福州机场的 AI 数智客服，到携程问道、飞猪、同程 DeepTrip 等旅行智能体——AI 正在从「回答问题」走向「替你把事办完」。
航司侧：生成式 AI 从问答走向「能办事」
航司的 AI 应用正经历一场质的飞跃。东航 × 千问的全流程 AI 机票服务，直接把自然语言对话、意图识别与机票预订系统打通，旅客说一句“帮我订下周从上海飞北京最早的一班”，Agent 就能理解并完成任务。大韩航空与法荷航×谷歌云则把生成式 AI 嵌入官网与 App 的购票、改签、行李查询全流程。更早的探索者如 KLM BlueBot（2017）与美联航 Agent on Demand，已经验证了对话式航空服务的可行性——现在，AI 终于把“最后一公里”的执行力补上了。
航司侧 AI 应用：从智能客服到全流程机票预订 Agent- ✓东航 × 千问（2026）：全流程 AI 机票服务，自然语言直达预订
- ✓大韩航空 AI 客服（2026）：官网/App 深度嵌入购票与改签
- ✓法荷航 × 谷歌云（2024）：生成式 AI 重构旅客服务链路
- ✓KLM BlueBot（2017）：对话式航空客服的开创者
- ✓国泰、AirAsia AVA、美联航 Agent on Demand：多端智能助理矩阵
机场侧：从数字孪生到面对面服务的“数智人”
机场的 AI 走的是另一条路——「极致运营 + 面对面服务」。厦门空港、福州长乐机场的 AI 数智客服，承担航班问询、航站楼导航甚至特殊旅客召援等服务，把真人客服从重复劳动中解放出来。运营端，上海机场集团「机场大脑 + 数字孪生」与广州白云机场的智慧安检、数字机场，用 AI 让跑道、行李、围界、安防的每一个环节都可被预测与优化。这正是机场从“管理调度”走向“实时决策”的分水岭。
机场侧 AI：面向旅客的数智客服 + 面向运营的数字孪生T-AGENT：会自己规划、决策并办完事的旅行管家
如果航司和机场的 Agent 是“单点智能”，那么 OTA 的旅行智能体（Travel Agent，T-AGENT）则是把机票、酒店、行程串成一条龙的「全局管家」。携程问道 · Trip.com Trip Assistant（2023）率先把多轮对话与真实预订打通；飞猪 AI 行程助手推出可交互的「AI 主播哪吒」；同程 DeepTrip（2026）把深度推理注入行程规划；Booking.com 的 AI Trip Planner 面向全球用户。更值得关注的是开源领域——TraveLLaMA 等多模态旅行智能体把大模型研究带进开放社区，AI 旅行规划正从实验室走向可复用的工程。
- ✓携程问道 / Trip Assistant（2023）：多轮对话直达真实预订
- ✓飞猪 AI 行程助手 · AI 主播哪吒：可交互的拟人化行程管家
- ✓同程 DeepTrip · 程心大模型（2026）：深度推理赋能行程规划
- ✓Booking.com AI Trip Planner：面向全球的行程生成
- ✓开源 TraveLLaMA：多模态旅行智能体开放研究
OTA 赛道：携程、飞猪、同程、Booking 竞相押注旅行智能体OTA 赛道：流量入口的「智能体化」之战
OTA 是航旅 AI 商业化最激烈的战场，因为它的核心资产就是「入口」。当旅客不再需要逐页搜索机票、比价、组合行程，而是向一个 AI 说出一句话就能得到全套方案时，谁能把「智能体」做成默认入口，谁就掌握了流量与订单。中国的携程、飞猪、同程，以及全球的 Booking、Expedia、Skyscanner，都在把大模型能力嵌入搜索、推荐、客服与动态打包（dynamic packaging）。这是从「货架式」到「对话式」的入口范式迁移，其影响不亚于当年移动端 App 对 PC 网页的取代。
- ✓入口之争：AI 对话式入口正取代传统搜索式货架
- ✓动态打包：Agent 自动组合机票+酒店+当地活动生成报价
- ✓供应链重构：直连航司/酒店库存，压缩层层分销
- ✓商业形态：从按点击付费走向按成交/按对话付费
开源浪潮：GitHub 上的航旅 AI 生态正在成形
把视角拉宽到 GitHub，会发现一个更令人兴奋的事实：航旅 AI 已越过「演示」门槛，进入「工程化」阶段。AWS 官方的 Serverless Airline Booking（2.3k Stars）把航司机票预订拆成完整微服务样板；LetsFG（2k Stars）让 AI Agent 直接搜索并预订航班与酒店；ai-travel-agent（799 Stars）实现用自然语言完成航班搜索预订；azure-ai-travel-agents 则基于 MCP 构建企业级航旅智能体。另一端，FlightAirMap 与 opensky-api 把全球航班 ADS-B 数据变成可视化与可查询的 API，为航旅 Agent 提供实时“感知层”。
- ✓aws-samples/aws-serverless-airline-booking：2.3k Stars，航司预订微服务样板
- ✓LetsFG/LetsFG：2k Stars，AI Agent 直接搜索预订航班酒店
- ✓nirbar1985/ai-travel-agent：799 Stars，自然语言多模型航班代理
- ✓Azure-Samples/azure-ai-travel-agents：基于 MCP 的企业航旅智能体
- ✓Ysurac/FlightAirMap + openskynetwork/opensky-api：全球航班实时轨迹感知层
- ✓jjasghar/ai-airport-simulation：让大模型在仿真机场里做实时决策
T-AGENT 愿景：从「问答」到「执行」再到「协同」的旅行管家更硬的战场：T-AGENT 切入企业差旅（TMC）
如果说面向 C 端的旅行管家拼的是体验，那么企业差旅（TMC，Travel Management Company）才是 T-AGENT 真正难啃、也最值钱的战场。企业出行不是一个人说走就走，而是一条受制度约束的链路：出差申请要合规审批、机票酒店要落在协议价与差标内、行程变动要即时改签、结束后还要把发票、行程单、信用卡流水自动对账并生成报销。过去这条链路依赖大量人工——差旅顾问、行政、财务层层处理；而 T-AGENT 恰好能把「政策规则 + 供应链库存 + 审批流 + 结算系统」一次性编排起来。
企业差旅场景：T-AGENT 把政策、库存、审批与结算编排为一条自动链路这背后是三重能力门槛，也正是 TMC 区别于普通 OTA 的护城河。第一是「合规即执行」：Agent 在推荐方案时就内置企业差旅政策，例如经济舱、协议酒店、提前 7 天预订，超标自动触发主管审批，而不是订完再被财务退回。第二是「供应链深度」：它要直连 GDS（全球分销系统）、航司 NDC 直连、协议酒店与用车资源，拿到企业专属价格与库存，而非仅调用公开的比价接口。第三是「闭环结算」：行程数据直接对接企业 ERP 与费控系统（如 SAP Concur、汇联易、分贝通），实现「预订即入账、行程即报销」，省掉人工贴票。
- ✓行前：自然语言提需求，Agent 校验差标、匹配协议价、自动走审批流
- ✓行中：航班延误/取消实时感知，主动改签下一班并同步行程给同事与行政
- ✓行后：发票、行程单、支付流水三单自动匹配，生成合规报销单
- ✓管理层视角：差旅支出可视化，AI 给出节省空间与供应商谈判依据
从商业本质看，TMC 的收入不靠 C 端流量补贴，而靠「服务费 + 协议返佣 + 降本分成」，客户黏性强、切换成本高。微软与多家巨头把会议、差旅嵌入 Copilot，SAP Concur、Amex GBT（美国运通全球商务旅行）、Navan、德运通以及国内的携程商旅、同程商旅、飞猪企业版都在把大模型塞进这条链路。对 T-AGENT 而言，谁能在「合规、供应链、结算」三件事上做到可审计、可追责、零差错，谁就能拿下这张利润更厚、续约更稳的企业级船票。
业态深度拆解：四层产业链与价值重分配
把航司、机场、OTA、T-AGENT 放在一张图上看，整个航旅业其实是一条清晰的四层产业链，而 AI Agent 正在每一层之间重新分配价值。最底层是「数据与基础设施层」：GDS、ADS-B 实时航班数据、航司 NDC 接口、支付与身份认证，决定了 Agent 能感知什么、能调用什么。其上是「资源供给层」：航司提供座位、机场提供运行与地面服务、酒店与租车提供配套——这是最重资产、也最难被替代的一层。再上是「聚合分销层」：传统 OTA、TMC、元搜索把分散库存聚合、打包、分发。最顶层则是「智能入口层」——也就是当下所有玩家争夺的 T-AGENT。
产业链全景：Agent 成为最顶层入口，价值沿链条重新分配这里的核心矛盾是「入口权力上移、利润压力下沉」。当旅客习惯向一个 Agent 说出需求，比价和选择的主动权就从 OTA 的货架页面转移到了智能体的推荐算法手里。对 OTA 而言，这既是机遇（成为那个默认入口）也是威胁（可能被更上游的系统级助手，如手机厂商、办公软件、企业 Copilot 截流）。对航司而言，Agent 直连（NDC）让它们有机会绕开高额分销费、重新夺回客户关系；机场则从「二房东」式的流量场，转向用运行效率与商业资源数据创造新价值。
- ✓供给层（航司/机场）：借 NDC 直连与 Agent 夺回客户、降分销成本
- ✓分销层（OTA/TMC）：要么成为 Agent 入口，要么被系统级助手管道化
- ✓入口层（T-AGENT）：掌握需求理解与推荐，重塑流量与成交分配
- ✓数据层：实时性、可调用性与开放协议（如 MCP）成为新的竞争焦点
当然，终局并非一蹴而就，眼前仍有三道硬约束。其一是「可靠性与责任」：机票是高金额、强规则交易，一次错误改签或重复出票的代价远高于答错一句话，Agent 必须可审计、可回滚、有人兜底。其二是「数据与接口的开放程度」：大量库存与退改签规则仍封闭在异构系统里，实时数据的覆盖与准确性决定了智能体的天花板。其三是「信任与习惯」：把护照、支付、行程托付给 AI，需要在隐私、安全与确定性上长期建立信心。跨过这三道坎，T-AGENT 才会真正从「好用的助手」变成「离不开的基础设施」。
展望：从「单点智能」到「航旅 AI 操作系统」
顺着这条演进脉络，可以清晰看到三个阶段：第一阶段是「问答」（chatbot），AI 替代 80% 的重复客服；第二阶段是「执行」（agent），AI 理解意图并真正办成事——订票、改签、规划、值机；第三阶段即将到来，即「协同」（ecosystem），航司 Agent、机场 Agent、OTA 旅行管家与实时航班数据层通过统一协议互联，构成一个完整的航旅 AI 操作系统。届时，旅客的诉求将不是“叫一个客服”，而是“带一个专属旅行管家”出行。
对航旅从业者与常旅客而言，现在正是拥抱变化的窗口期：大模型指数级进步 + 开源生态快速成熟 + 航司机场 OTA 集体押注，让航旅 AI 的确定性远超多数行业。谁先把自己的业务「智能体化」，谁就握住了下一张船票。